Julia，MATLAB和Python：科学计算的比较语法参考

导言

现代工程和科学计算越来越多地同时使用几种编程语言。 MATLAB在数学建模，Python在数据分析和自动化方面仍然很受欢迎，Julia正在积极开发作为科学计算的高性能语言。

尽管语法存在差异，但这些语言中的大多数基本结构都非常相似：数组，函数，循环，矢量化，图形和数据处理。因此，在系统之间切换时，首先要理解句法对应关系。

这个例子是"语言中的操作→实现"格式的Julia，MATLAB和Python语法的实际比较。比较格式不仅可以让您更快地学习新语言，还可以更好地理解科学编程的一般原则。在许多情况下，只有记录的形式不同，而计算逻辑本身保持不变。

基本语法的比较

操作	茱莉亚	MATLAB	Python
评论	`% comment`	`% comment`	`# comment`
多行注释	`#= ... =#`	`%{ ... %}`	`""" ... """`
指派任务	`x = 10`	`x = 10`	`x = 10`
动态类型	`x = 1; x = "hi"`	`x = 1; x = "hi"`	`x = 1; x = "hi"`
类型验证	`typeof(x)`	`class(x)`	`type(x)`
一个整数	`x = 10`	`x = int64(10)`	`x = 10`
浮点数	`x = 1.5`	`x = 1.5`	`x = 1.5`
一个复数	`1 + 2im`	`1 + 2i`	`1 + 2j`
无限	`Inf`	`Inf`	`float("inf")`
南	`NaN`	`NaN`	`float("nan")`
行	`s = "Hello"`	`s = "Hello"`	`s = "Hello"`
字符串插值	`"x = $x"`	`sprintf("x = %d", x)`	`f"x = {x}"`
字符串连接	`"a" * "b"`	`["a" "b"]`	`"a" + "b"`
重复一行	`"Hеllo"^3`	`repmat("Hеllo",1,3)`	`"Hello"*3`
创建数组/向量	`[1,2,3]`	`[1,2,3]`	`[1,2,3]`
矩阵	`[1 2; 3 4]`	`[1 2; 3 4]`	`np.array([[1,2],[3,4]])`
索引从	`1`	`1`	`0`
对元素的访问	`A[1,2]`	`A(1,2)`	`A[0,1]`
最后一个元素	`A[end]`	`A(end)`	`A[-1]`
阵列的横截面	`A[1:3]`	`A(1:3)`	`A[0:3]`
逻辑索引	`A[A .> 0]`	`A(A > 0)`	`A[A > 0]`
数组的大小	`size(A)`	`size(A)`	`A.shape`
数组的长度	`length(A)`	`length(A)`	`len(A)`
创建空数组	`zeros(3,3)`	`zeros(3,3)`	`np.zeros((3,3))`
创建单位矩阵	`I(3) / Matrix(I,3,3)`	`eye(3)`	`np.eye(3)`
范围	`1:10`	`1:10`	`range(1,11)`
范围步骤	`1:2:10`	`1:2:10`	`range(1,11,2)`
元素乘法	`A .* B`	`A .* B`	`A * B`
矩阵乘法	`A * B`	`A * B`	`A @ B`
零碎程度	`A .^ 2`	`A .^ 2`	`A ** 2`
矩阵划分	`A \ b`	`A \ b`	`np.linalg.solve(A,b)`
换位,换位	`A'`	`A'`	`A.T`
水平连接数组	`[A B]`	`[A B]`	`np.hstack((A,B))`
垂直连接数组	`[A; B]`	`[A; B]`	`np.vstack((A,B))`
If条件	`if x > 0 ... end`	`if x > 0 ... end`	`if x > 0:`
三元运算符	`x > 0 ? a : b`	`ifelse(x>0,a,b)`	`a if x>0 else b`
For循环	`for i in 1:10 ... end`	`for i in 1:10 ... end`	`for i in range(10):`
While循环	`while x > 0 ... end`	`while x > 0 ... end`	`while x > 0:`
循环中断	`break`	`break`	`break`
跳过迭代	`continue`	`continue`	`continue`
功能（简略）	`f(x)=x^2`	`f = @(x) x^2`	`f = lambda x: x**2`
功能(正常)	`function f(x) ... end`	`function y=f(x) ... end`	`def f(x):`
返回值	`return x`	`return x`	`return x`
匿名函数	`x -> x^2`	`@(x) x^2`	`lambda x: x**2`
列表生成器	`[x^2 for x in 1:5]`	`arrayfun(@(x)x^2,1:5)`	`[x**2 for x in range(1,6)]`
字典	`Dict("a"=>1)`	`containers.Map()`	`{"a":1}`
很多	`Set([1,2])`	`unique([...])`	`set([1,2])`
检查配件	`x ∈ A`	`ismember(x,A)`	`x in A`
异常处理	`try ... catch e ... end`	`try ... catch ... end`	`try ... except Exception as e:`
错误生成	`error("msg")`	`error("msg")`	`raise Exception("msg")`
结构/类别	`struct Point ... end`	`classdef Point ... end`	`class Point:`
抽象类型	`abstract type Shape end`	`classdef (Abstract)`	`from abc import ABC`
导入模块	`using LinearAlgebra`	`import pkg.*`	`import numpy as np`
连接文件	`include("a.jl")`	`run("a.m")`	`import module`
功能的文档	`""" doc """`	`% help text`	`""" doc """`
宏	`@time, @show`	失踪	失踪
测量时间	`@time expr`	`tic; ...; toc`	`timeit()`
输出到控制台	`println(x)`	`disp(x)`	`print(x)`
格式化输出	`@printf`	`fprintf`	`print(f"...")`
使用DataFrame	`DataFrame(...)`	`table(...)`	`pd.DataFrame(...)`
图表	`plot()`	`plot()`	`matplotlib.pyplot.plot()`
一个随机数	`rand()`	`rand()`	`random.random() / np.random.rand()`
分类方法	`sort(A)`	`sort(A)`	`sorted(A)`
地图功能	`map(f,A)`	`arrayfun(f,A)`	`map(f,A)`
过滤	`filter(f,A)`	`A(mask)`	`filter(f,A)`
平等检查	`==`	`==`	`==`
身份验证	`===`	`isequal`	`is`
缺失值	`missing`	`missing`	`None / np.nan`
无/空	`nothing`	`[]`	`None`

结论

Julia，MATLAB和Python在现代工程和科学任务中与其说是相互竞争，不如说是相辅相成的。尽管哲学和语法细节存在差异，但它们之间的大多数计算构造都有直接的类似物。

比较格式有助于更快地学习新工具，在生态系统之间转移算法，并更好地理解科学编程的一般原则。这在Engee多语言环境中尤为重要，在该环境中，可以在同一项目中使用不同的语言。